PiotrSty/slayer-ocr-print-engine-frozen

SLAYER OCR — zachowany silnik druku PL, v1

Współczesne dokumenty: jawny status

Silnik wykonuje OCR współczesnego, wyraźnego polskiego druku. Potwierdzono pełny przebieg detekcji i rozpoznawania na jednej jawnej, syntetycznej stronie. Nie potwierdzono jeszcze jakości na reprezentatywnym zbiorze rzeczywistych współczesnych dokumentów.

To zachowany, uruchamialny profil OpenCV + TrOCR mixed-v3, nie adapter historycznego Qwena i nie kolejny trening. Repozytorium zawiera pełne wagi rozpoznawacza, tokenizer i processor, kod silnika, zamrożoną konfigurację, dokładne wersje użytego środowiska oraz surowe dowody. Nie zastępuje ani nie usuwa wcześniejszych modeli i eksperymentów.

Co faktycznie sprawdzono

16 października 2026 uruchomiono zawarty tutaj run_ocr.py na CPU, bez pobierania modeli podczas inferencji i bez korekty LLM. Wejście to nowa, skonstruowana strona z pięcioma wierszami współczesnego polskiego tekstu: diakrytyki, fikcyjny identyfikator sprawy, kwota i data.

Zakres testu	Strony	Linie wykryte / oczekiwane	Znaki referencji	Błędy znakowe	CER	WER
Syntetyczny współczesny druk, pełny pipeline	1	5 / 5	168	6	3,5714%	24,00%

To smoke wykonania i jakości, nie niezależny ani reprezentatywny benchmark. Przykładowe błędy pozostawiono w wynikach: OCR → CCR, Łódź → łódź, Żurawia → Zurawia, brutto → bruto. Poprawne odczytanie liczb w tej jednej próbce nie gwarantuje poprawności numerów i kwot na innych dokumentach. Confidence modelu nie jest skalibrowanym prawdopodobieństwem poprawności.

Dowody: evidence/modern-synthetic-smoke/document.png, reference.txt, output.json, metrics.json i input-provenance.json. Tekst jest skonstruowany; nie zawiera rzeczywistych danych klienta. Nie redystrybuujemy pliku użytej czcionki.

Czego nie wolno przypisywać temu wynikowi

• Nie oznacza potwierdzonej gotowości produkcyjnej, SOTA ani reprezentatywnego CER dla współczesnych dokumentów.
• Nie sprawdza jakości tabel, ekstrakcji pól/KIE, pisma ręcznego, wielu kolumn, zdjęć telefonem ani trudnych skanów.
• Zachowane API obsługuje PDF, ale ten nowy smoke wykonał wejście PNG, nie PDF.
• Historyczny kontrolny wynik mixed-v3 CER 5,3307%, WER 22,88% na 75 wycinkach pochodzi z real-lines-v1: dwóch public-domain stron historycznych. Mierzy sam rozpoznawacz, nie detekcję całej strony i nie współczesne dokumenty. Zapisane wyniki są dołączone z poprawnym opisem zakresu.
• Wyniki historycznych eksperymentów Qwen/EZH nie są dowodem jakości tego silnika na współczesnych dokumentach. Zachowujemy je oddzielnie.

Uruchomienie zachowanego silnika

Python 3.11; użyj osobnego środowiska. Pobierz całe repozytorium pod zamrożonym tagiem print-engine-v1-20261016 lub dokładną rewizją commitu, nie sam plik wag.

hf download PiotrSty/slayer-ocr-print-engine-frozen --revision print-engine-v1-20261016 --local-dir slayer-print-engine
cd slayer-print-engine
python -m pip install -r requirements.txt
python run_ocr.py --verify-only
python run_ocr.py document.png --output result.json

run_ocr.py sprawdza SHA-256 wszystkich zachowanych payloadów przed importem silnika. Domyślnie używa CPU i lokalnych wag; wymusza język PL, brak fallbacku do innego modelu i wyłączoną korektę tekstową. OpenCV jest przypiętym detektorem; środowisko z CRAFT jest odrzucane zamiast cichej zmiany detekcji. Jawna konfiguracja nie pobiera kluczy z ENV do wyboru modelu lub włączenia korekty. Wynik zawiera tekst, linie, ich geometrię i identyfikatory konfiguracji/wag.

Dopuszczalne są obrazy lub PDF. Nie nadpisujemy istniejącego --output; wybierz nową ścieżkę. Instalacja zależności może korzystać z sieci. Inferencja z kompletnego snapshotu nie wymaga dostępu do modelu przez API ani opłat za zewnętrzną usługę. CPU smoke nie weryfikuje stosu CUDA.

Zamrożona tożsamość

• Pełne wagi: PiotrSty/trocr-pl-mixed-v3 @ 85d0c91c26f8e088849096dded7c9ba10b4cd9c9.
• SHA-256 model.safetensors: 19437f5769b8df8be5af1fb0c5bbcc3acccae9d889f337f0c4b9e94fa80d8bb7.
• Wagi są zachowane bajt w bajt; w ramach tego wydania nie trenowano modelu ani nie scalano nowego adaptera.
• Źródło kodu: PiotrStyla/OCR_engine; zachowany jest dokładny snapshot runtime/ocr z osobnymi sumami plików. Nie utożsamiamy lokalnych, niecommitowanych plików z niezweryfikowanym commitem Git.
• engine-recipe.json: jawna konfiguracja uruchomieniowa; runtime-versions.json i requirements.txt: użyte wersje bibliotek.
• capabilities.json: maszynowy zapis potwierdzeń i ograniczeń; checksums.json: integralność snapshotu.
• provenance/upstream-model-card.md: oryginalna karta rozpoznawacza, zachowana jako pochodzenie, nie nowa deklaracja jakości.

Licencja wag: Apache-2.0 według oryginalnej karty modelu. Kod silnika: MIT, treść w runtime/LICENSE. Syntetyczny obraz kontrolny i jego skonstruowany tekst są publikowane przez autora tego pakietu; nie obejmuje to pliku czcionki.